雷达信号分选是指将有用的雷达辐射源脉冲序列从密集交错的信号脉冲流中准确分离出来的过程。当前日趋复杂的电子战环境中,雷达信号分选技术已逐渐成为电子侦察系统有效性检测的关键环节,雷达信号分选性能的优劣还会对后期目标识别起到重要的影响作用。然而面对日益复杂的空间电磁环境,雷达信号参数密集交错,且低截获率的雷达体制不断出现,传统的雷达信号参数分选已经不能满足电子对抗系统的要求,因此,如何快速有效地将各部雷达辐射源信号从复杂电磁环境下分选出来显得尤为迫切。本文针对这一问题展开了具体的研究,首先对雷达辐射源脉间聚类方法进行分析,传统的雷达信号分选方法中,经典的模糊C均值聚类(FCM)在雷达信号分选领域应用广泛,该算法是对雷达样本信号进行的柔性划分,聚类的准确度较高,但是对于信号参数交叠严重的信号分选性能会降低。针对参数交叠严重且样本数目较多的雷达辐射源信号,本文采用核模糊聚类算法,即在FCM算法的基础上引入核函数思想,将样本数据进行核变换映射到多维空间进行聚类的方法,该方法的聚类效果优于FCM算法,不用设置聚类中心,但受核函数参数设置的影响,故本文在此基础上提出一种基于人工鱼群智能算法的核模糊聚类算法,人工鱼群算法参数设置较为简单,全局寻优效果良好,且不依赖于初值的选取,用人工鱼群优化核模糊聚类算法并引入参数选择机制,这样使得KFCM不受核函数参数的影响,一定程度上提高了分选正确率。论文将改进算法与粒子群优化FCM算法以及人工鱼群优化FCM算法进行了比较,仿真结果表明改进算法的分选准确率较高,且同样迭代次数的情况下,改进算法的耗时有所减少。针对脉内信号特征提取的方法,目前已成为国内外学者在雷达信号分选领域的研究热点,脉内特征提取的众多方法中,基于时频原子的脉内提取方法行之有效,然而原子库中时频原子数目庞大,传统的时频原子方法计算量相对较高,为了提高运算效率,本文提出一种改进的时频原子脉内提取方法,通过分析人工鱼群智能算法进行参数搜索的优点和原理,将该算法用于改进时频原子脉内的提取过程,针对几种不同调制方式的雷达辐射源信号,根据“类区分度”判别准则提取辐射源脉内特征,可获得低截获率雷达辐射源信号的表征原子。仿真实验表明,改进的方法在信噪比较高的条件下,对于不同调制方式的雷达信号具有很好的识别分类效果。